FUNDAMENTALS OF MULTIMEDIA CHAPTER 9 :

IMAGE COMPRESSION STANDARDS

Oleh KELOMPOK 1
Ni Putu Dina Rahmawati ( 1605541005 )
I Ketut Widi Arjana Yasa ( 1605541013 )
I Kadek Adi Wiguna Sanjaya ( 1605541075 )
I Gede Arya Gangga Gajanada ( 1605541041 )

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK
UNIVERSITAS UDAYANA
JIMBARAN
Chapter 9 : Standar Kompresi Citra
Semakin bertambahnya tahun telah terjadi lonjakan dalam ketersediaan gambar digital,
karena peningkatan jumlah perangkat pencitraan digital seperti smartphone, webcam,
kamera digital, dan pemindai. Kebutuhan untuk secara efisien memproses dan
menyimpan gambar dalam bentuk digital telah membuat pengembangan banyak
standar kompresi gambar untuk berbagai aplikasi dan kebutuhan. Secara umum,
standar memiliki umur panjang lebih besar daripada program atau perangkat tertentu
dan oleh karena itu studi teliti yang hati-hati. Pertama-tama kita membahas definisi
JPEG standar, yang digunakan dalam sebagian besar gambar, kemudian melanjutkan
untuk melihat standar JPEG2000 berbasis wavelet. Dua standar lain, JPEG-LS — yang
ditujukan khusus pada JPEG tanpa rugi, di luar standar JPEG utama — dan JBIG, untuk
kompresi gambar dua tingkat, disertakan untuk kelengkapan.

9.1 Standar Kompresi JPEG

JPEG adalah standar kompresi citra yang dikembangkan oleh Joint
Photographic Experts Group. Itu secara resmi diterima sebagai standar internasional
pada tahun 1992. JPEG adalah metode kompresi gambar lossy dengan menggunakan
metode pengkodean transformasi menggunakan DCT (Discrete Cosine Transform)
Gambar adalah fungsi dari i dan j (atau secara konvensional x dan y) dalam
domain spasial. 2D DCT digunakan sebagai satu langkah dalam JPEG untuk
menghasilkan respons frekuensi yang merupakan fungsi F (u, v) dalam domain
frekuensi spasial, diindeks oleh dua bilangan bulat u dan v. Efektivitas metode
pengkodean transformasi DCT dalam JPEG bergantung pada 3 pengamatan utama:
Pengamatan 1: Konten gambar yang berguna berubah relatif lambat melintasi gambar,
mis., nilai intensitas tidak biasa bervariasi banyak beberapa kali di area kecil, misalnya,
dalam 8 × 8 blok gambar.
Banyak informasi dalam suatu gambar diulangi, karenanya “redundansi spasial”.
Pengamatan 2: Eksperimen psikofisik menunjukkan bahwa manusia jauh lebih kecil
kemungkinannya untuk kehilangan komponen frekuensi spasial yang sangat tinggi
daripada kehilangan komponen frekuensi yang lebih rendah.
Redundansi spasial dapat dikurangi dengan mengurangi sebagian besar konten
frekuensi spasial yang tinggi
Pengamatan 3: Ketajaman visual (ketelitian dalam membedakan erat
garis spasi) jauh lebih besar untuk abu-abu ("hitam dan putih") daripada
untuk warna.
subsampling chroma (4: 2: 0) digunakan dalam JPEG.

9.1.1 Langkah Utama dalam Kompresi Gambar JPEG

Gambar 9.1 Blok Diagram JPEG

• Transform RGB ke YIQ atau YUV dan subsampel warna.

• DCT pada blok gambar.
Setiap gambar dibagi menjadi 8 × 8 blok. DCT 2D diterapkan untuk setiap gambar blok
f (i, j), dengan output menjadi koefisien DCT F (u, v) untuk setiap blok. Namun,
menggunakan blok memiliki efek untuk mengisolasi setiap blok dari konteks
tetangganya. Inilah sebabnya mengapa gambar JPEG terlihat berombak ("blocky")
ketika rasio kompresi tinggi ditentukan oleh pengguna.
• Kuantisasi.
F (u, v)
Fˆ(u, v) = round (9.1)
Q(u, v)
F (u, v) mewakili koefisien DCT, Q (u, v) adalah entri "matriks kuantisasi", dan Fˆ (u,
v) mewakili koefisien DCT yang dikuantisasi yang akan digunakan JPEG dalam
pengkodean entropi berikutnya.
Langkah kuantisasi adalah sumber utama untuk loss dalam kompresi JPEG.
- Masuknya Q (u, v) cenderung memiliki nilai lebih besar ke arah sudut kanan bawah.
Ini bertujuan untuk memperkenalkan lebih banyak loss pada frekuensi spasial yang
lebih tinggi - praktik yang didukung oleh Pengamatan 1 dan 2.
- Tabel 9.1 dan 9.2 menunjukkan nilai Q (u, v) default yang diperoleh dari studi
psikofisika dengan tujuan memaksimalkan rasio kompresi sambil meminimalkan
kerugian persepsi dalam gambar JPEG.
Gambar 9.2 Kompresi JPEG untuk blok gambar yang halus
 Gambar 9.3 Kompresi JPEG untuk blok gambar bertekstur

• Pemesanan Zig-zag dan pengodean run-length.

RLC bertujuan untuk mengubah nilai-nilai Fˆ (u, v) menjadi set {#-zeros-toskip , next
non-zero value}. Untuk membuatnya paling mungkin mencapai nol jangka panjang:
pemindaian zig-zag digunakan untuk mengubah matriks 8 × 8 Fˆ (u, v) menjadi 64-
vektor
 Gambar 9.4 Zig zag scan pada JPEG

Koefisien DC dikodekan secara terpisah dari yang AC. Differential Pulse Code
Modulation (DPCM) adalah metode pengkodean. Jika koefisien DC untuk 5 blok
gambar pertama adalah 150, 155, 149, 152, 144, maka DPCM akan menghasilkan 150,
5, -6, 3, -8, dengan asumsi di = DCi + 1 - DCi, dan d0 = DC0.

• Pengodean entropi.
Koefisien DC dan AC akhirnya menjalani langkah pengkodean entropi untuk
mendapatkan kemungkinan kompresi lebih lanjut. Gunakan DC sebagai contoh: setiap
koefisien DC berkode DPCM diwakili oleh (SIZE, AMPLITUDE), di mana SIZE
menunjukkan berapa banyak bit yang diperlukan untuk mewakili koefisien, dan
AMPLITUDE berisi bit yang sebenarnya. Dalam contoh yang kami gunakan, kode 150,
5, −6, 3, −8 akan diubah menjadi
(8, 10010110), (3, 101), (3, 001), (2, 11), (4, 0111).
SIZE adalah kode Huffman karena SIZE yang lebih kecil muncul lebih sering.
AMPLITUDE bukan kode Huffman, nilainya dapat berubah secara luas sehingga
pengkodean manusia tidak memiliki manfaat yang cukup besar.
 Gambar 9.5 Detail pengkodean entropi dasar — kategori Size

9.1.2 JPEG Mode

Standar JPEG mendukung banyak mode (variasi). Beberapa yang umum
digunakan adalah:
• Mode Berurutan (Sequential Mode)
Mode Sequential adalah mode JPEG default, secara implisit seperti dijumlahkan dalam
diskusi sejauh ini. Setiap gambar tingkat abu-abu atau komponen gambar warna
dikodekan dalam satu pemindaian kiri-ke-kanan, dari atas ke bawah.
• Mode Progresif (Progressive Mode)
Mode Progresif adalah Progresif JPEG menghasilkan versi gambar dengan kualitas
rendah dengan cepat, diikuti oleh lintasan berkualitas lebih tinggi. Terbagi atas dua
cara yaitu Pemilihan spektral: Mengambil keuntungan dari karakteristik "spektral"
(spektrum frekuensi spasial) dari koefisien DCT: komponen AC yang lebih tinggi
memberikan informasi detail.
Scan 1: Encode DC dan beberapa komponen AC pertama, mis., AC1, AC2.
Scan 2: Encode beberapa komponen AC lagi, mis., AC3, AC4, AC5.
Scan k: Encode beberapa ACS terakhir, misalnya, AC61, AC62, AC63.
Perkiraan berturut-turut: Secara bertahap meng-encode band spektral, semua koefisien
DCT dikodekan secara bersamaan tetapi dengan bit yang paling signifikan (MSB)
pertama mereka.
Scan 1: Encode beberapa MSB pertama, mis., Bit 7, 6, 5, 4.
Scan 2: Encode beberapa bit yang kurang signifikan, mis., Bit 3.
Scan m: Encode bit paling signifikan (LSB), Bit 0.

• Mode Hierarkis (Hierarchical Mode)

Gambar yang dikodekan pada resolusi terendah pada dasarnya adalah gambar filter
low-pass terkompresi, sedangkan gambar pada resolusi yang lebih tinggi secara
berurutan memberikan perincian tambahan (perbedaan dari gambar dengan resolusi
lebih rendah). Mirip dengan JPEG Progresif, gambar JPEG Hierarkis dapat
ditransmisikan dalam beberapa lintasan yang secara bertahap meningkatkan kualitas.

• Mode Lossless (Lossless Mode)

Lossless JPEG adalah mode JPEG yang sangat istimewa yang memang tidak memiliki
kerugian dalam kualitas gambarnya. Bagaimanapun, hanya menggunakan metode
pengkodean diferensial sederhana, yang melibatkan pengubahan kode. Ini jarang
digunakan, karena rasio kompresinya sangat rendah dibandingkan dengan mode lossy
lainnya. Di sisi lain, ini memenuhi kebutuhan khusus, dan standar JPEG-LS yang
dikembangkan kemudian secara khusus ditujukan untuk kompresi gambar tanpa
kehilangan
9.1.3 Bitsream JPEG

Gambar 9.6 Bitsream JPEG

Di sini, frame adalah gambar, sebuah hasil scan akan melewati piksel (mis., Komponen
merah), segmen adalah sekelompok blok, dan satu blok terdiri dari 8 × 8 piksel.
Contoh beberapa informasi diatas adalah:
• Frame header
- Bit per piksel
- (Lebar, tinggi) gambar
- Jumlah komponen
- ID unik (untuk setiap komponen)
- Faktor pengambilan sampel horizontal / vertikal (untuk setiap komponen)
- Tabel kuantisasi untuk digunakan (untuk setiap komponen).
• Scan header
- Jumlah komponen yang discan
- ID Komponen (untuk setiap komponen)
- Tabel pengkodean Huffman / Aritmatika (untuk setiap komponen).

9.2 The JPEG2000 Standard

Tujuan Desain:

1. Untuk memberikan tingkat-distorsi yang lebih baik dan meningkatkan kualitas

gambar subjektif.
2. Untuk memberikan fungsionalitas tambahan yang kurang dalam standar JPEG
saat ini.

Standar JPEG2000 dalam mengatasi masalah berikut:

 Kompresi bit-rate rendah: Standar JPEG saat ini menawarkan kinerja rate-
distorsi yang sangat baik dalam mid dan high bit-rates. Namun pada laju bit di
bawah 0,25 bpp, distorsi subyektif menjadi tidak dapat diterima. Ini penting
jika kami berharap untuk menerima gambar pada perangkat dimana pun yang
mendukung web kami.
 Kompresi Lossless dan Lossy: Saat ini tidak ada standar yang dapat
memberikan kompresi superior lossless dan kompresi lossy dalam bitstream
tunggal.
 Gambar besar: Standar baru akan memungkinkan resolusi gambar yang lebih
besar dari 64K x 64K tanpa ubin. Ini dapat menangani ukuran gambar hingga
232-1.
 Arsitektur Dekompresi Tunggal: Standar JPEG saat ini memiliki 44 mode,
banyak di antaranya adalah aplikasi spesifik dan tidak digunakan oleh sebagian
besar dekoder JPEG.
 Transmisi di Lingkungan Bising: Standar baru ini akan memberikan
peningkatan ketahanan kesalahan untuk transmisi di lingkungan bising seperti
jaringan nirkabel dan Internet.
 Transmisi Progresif: Standar baru memberikan skalabilitas kualitas dan resolusi
yang mulus dari bit-rate rendah ke tinggi. Target bit-rate dan resolusi
rekonstruksi tidak perlu diketahui pada saat kompresi.
  Pengkodean Daerah Tujuan: Standar baru ini memungkinkan spesifikasi
Region of Interest (ROI) yang dapat dikodekan dengan kualitas unggul dari
pada gambar lainnya.
 Pencitraan yang dihasilkan Komputer: Standar JPEG saat ini dioptimalkan
untuk pencitraan alami dan tidak berkinerja baik pada pencitraan yang
dihasilkan komputer.
 Dokumen gabungan: Standar baru menawarkan meta mekanisme data untuk
menggabungkan data tambahan non-gambar sebagai bagian dari file. Ini
mungkin berguna untuk memasukkan teks beserta gambar.

Selain itu, JPEG2000 mampu menangani hingga 256 kanal informasi

sedangkan standar JPEG saat ini hanya mampu menangani 3 kanal warna.

9.2.1 Langkah Utama Kompresi Gambar JPEG2000

Menggunakan Pengodean Blok Tertanam dengan Pemotongan yang

Dioptimalkan (EBCOT) algoritma yang mempartisi setiap subband LL, LH, HL, HH
yang dihasilkan oleh transformasi wavelet menjadi blok kecil yang disebut "blok
kode".

Bitstream terpisah yang dapat diskalakan dihasilkan untuk setiap blok kode.
Dengan skema pengkodean berbasis blok, algoritma EBCOT telah meningkatkan
ketahanan kesalahan. Algoritma EBCOT terdiri dari tiga langkah:

1. Pengodean Blok Tertanam dan pembuatan bitstream.

2. Optimalisasi distorsi tingkat kompresi pasca (PCRD).
3. Pembentukan Layer dan representasi.

Pengkodean Block dan Pembangkit Bitstream Setiap sub-band yang dihasilkan

untuk transformasi wavelet diskrit 2D pertama kali dipartisi menjadi blok kode kecil,
biasanya 64 × 64, atau ukuran lain tidak kurang dari 32 × 32. Kemudian algoritma
EBCOT menghasilkan bitstream yang sangat skalabel untuk setiap blok kode Bi.

Gambar 9.7. Struktur blok kode EBCOT

Pada Gambar 9.7 misalkan si [k] = si [k1, k2] antara blok kode kecil
sampel sub-band, dengan k1 dan k2 indeks baris dan kolom. (Dengan definisi
ini, sub-band HL high-pass horizontal harus diubah sehingga k1 dan k2 akan
memiliki makna yang konsisten dengan sub-band lainnya. Transposisi ini
berarti bahwa sub-band HL dapat diperlakukan dengan cara yang sama seperti
sub-band LH, HH, dan LL dan menggunakan model konteks yang sama.)
Algoritma ini menggunakan Pengukuran zona mati yang ditunjukkan pada
Gambar 9.8 yang dirumuskan sebagai berikut:

di mana δβi adalah ukuran langkah untuk sub-band βi, yang berisi blok
kode Bi. Proses pengkodean mirip dengan pengkodean bitplane, di mana bit
yang paling signifikan νpmax ii [k] pertama kali dikodekan untuk semua
sampel dalam blok kode, diikuti oleh bit yang paling signifikan berikutnya νp
(maks − 1) ii [k ], dan seterusnya, sampai semua bitmap dikodekan.

Gambar 9.8 Pengukur zona mati. Panjang zona mati adalah 2δ. Nilai-nilai di dalam zona
mati dikuantisasi menjadi 0

Kuantizer zona mati seragam digunakan dengan ukuran interval yang

berturut-turut lebih kecil. Setara dengan pengkodean setiap blok satu bitplane
sekaligus.
Blok selanjutnya dibagi menjadi urutan 16 × 16 sub blok. Signifikansi
sub-blok dikodekan dalam peta signifikansi σP di mana σp (Bi [j])
menunjukkan signifikansi sub-blok Bi [j] pada bitplane P.
Struktur quad-tree digunakan untuk mengidentifikasi signifikansi sub-
blok satu tingkat pada suatu waktu. Struktur pohon dibangun dengan
mengidentifikasi sub blok dengan simpul daun, yaitu, Bi0 [j] = Bi [j]. Level
yang lebih tinggi dibangun menggunakan rekursi: Bit [j] = ∪z∈ {0,1} 2 Bit − 1
[2j + z], 0 ≤ t ≤ T.
Empat metode pengkodean primitif berbeda yang menggunakan pengkodean
aritmatika berbasis konteks digunakan:
1. Pengkodean Zero: Digunakan untuk mengkode koefisien pada setiap
bitplane yang belum signifikan.

konfigurasi lingkungan yang mungkin direduksi menjadi

sembilan konteks penugasan yang berbeda yang tercantum dalam Tabel
9.4.

Tabel 9.4 Konteks tugas untuk nol coding primitif.

2. Pengkodean Run-length: ditujukan untuk menjalankan kode dari nilai

signifikansi 1-bit. Ada empat syarat harus dipenuhi:
1) Empat sampel berturut-turut harus tidak signifikan.
2) Sampel harus memiliki tetangga yang tidak signifikan.
3) Sampel harus dalam sub-blok yang sama.
4) Indeks horizontal k1 dari sampel pertama harus genap.

Tabel 9.5 Konteks tugas untuk coding tanda primitif

3. Pengkodean Sign: dipanggil paling banyak satu kali untuk setiap
sampel, segera setelah sampel melakukan transisi dari tidak signifikan
menjadi signifikan selama operasi pengkodean nol atau run-length
coding. Karena memiliki empat horizontal dan vertikal, masing-masing
dari yang mungkin sesuai, positif, atau negatif, ada 34 = 81 konfigurasi
konteks yang berbeda.
Bit tanda χi [k] dari sampel yang berdekatan mengandung dependensi
substansial. Distribusi bersyarat dari χi [k] diasumsikan sama dengan
−χi [k]. hai [k] menjadi 0 jika kedua tetangga horizontal tidak
signifikan, 1 jika setidaknya satu tetangga horizontal adalah positif, atau
−1 jika setidaknya satu tetangga horizontal negatif. i [k] didefinisikan
sama untuk tetangga vertikal. Jika χˆi [k] adalah prediksi tanda, simbol
biner yang dikodekan menggunakan konteks yang relevan adalah χi [k]
· χˆi [k].
4. Perbaikan magnitude: digunakan untuk menghitung nilai vp i [k],
memberikan apa yang v [k] ≥ 2p + 1. Hanya tiga model konteks yang
digunakan untuk perbaikan magnitudo. Sebagai variabel pilihan kedua
˜ σi [k] diperkenalkan ke rangkuman dari 0 hingga 1 setelah perbaikan
magnitudo perbaikan pertama diterapkan pada si [k]. Model konteks
bergantung pada nilai dari variabel ini yang berubah: vpi [k] dikodekan
dengan konteks 0 jika ˜ σ [k] = hi [k] = vi [k] = 0, dengan konteks 1 jika
 ˜ σi [k] = 0 dan hi [k] + vi [k] ̸ = 0, dan dengan konteks 2 jika ˜ σi [k] =
1.

Untuk memastikan bahwa setiap blok kode memiliki bitstream yang disematkan
dengan baik, pengkodean dari setiap bitplane p berlangsung dalam empat lintasan yang
berbeda, yaitu:

1) Forward Significance Propagation Pass: Sampel sub-blok dikunjungi dalam

urutan garis pindaian, sampel tidak signifikan dan sampel yang tidak memenuhi
persyaratan lingkungan dilewati. Untuk sub-band LH, HL, dan LL, persyaratan
lingkungan adalah bahwa setidaknya satu tetangga horizontal harus signifikan.
Untuk subband HH, persyaratan lingkungan adalah bahwa setidaknya satu dari
empat tetangga diagonal adalah signifikan.
2) Reverse Significance Propagation Pass: urutan terbalik. Persyaratan lingkungan
untuk memasukkan sampel yang memiliki setidaknya satu signifikan tetangga
segala arah.
3) Magnitude Refinement Pass: Lewat ini mengkodekan sampel yang sudah
signifikan tetapi belum dikodekan dalam dua lintasan sebelumnya. Sampel
semacam itu diproses dengan primitif perbaikan magnitudo.
4) Normalization pass: Tiga pass coding dikodekan menggunakan pengkodean
tanda dan primitif pengkodean run-length yang sesuai. Jika sampel ditemukan
signifikan, tandanya segera dikodekan menggunakan primitif pengkodean
tanda.

Gambar 9.9. Penampilan coding berlalu dan kode quad pohon tertanam bitstream setiap blok.

Gambar di atas menunjukkan tata letak kode pass dan kode quad-tree di
masing-masing bitstream tertanam. Sp menunjukkan kode quad-tree yang
mengidentifikasi sub-blok yang signifikan di bitplane p. Perhatikan bahwa untuk setiap
bitplane p, Sp muncul tepat sebelum pass kode final Pp 4, bukan pass kode awal Pp 1.
Ini menyiratkan bahwa sub-blok yang menjadi signifikan untuk pertama kalinya dalam
bitplane p diabaikan sampai lulus terakhir.

Posting Kompresi Tingkat Distorsi (PCRD) Optimasi

Tujuan:

Menghasilkan pemotongan bitstream independen setiap blok kode secara

optimal bahwa distorsi tersebut diminimalkan, tunduk pada kendala bit-rate.

Untuk setiap bitstream tertanam dari blok kode Bi distorsi keseluruhan gambar
direkonstruksi adalah (dengan asumsi distorsi adalah aditif)

dimana Dni i adalah distorsi dari blok kode Bi yang memiliki titik potong ni. Untuk
setiap blok kode Bi, distorsi dihitung oleh

Pemilihan optimal poin pemotongan ni dapat dirumuskan menjadi subjek masalah

minimisasi dengan berikut ini kendala:

di mana Rmax adalah bit-rate yang tersedia. Untuk beberapa λ, setiap set titik
pemotongan {nλ i} yang diminimalkan
Optimal yang di maksud dalam arti tingkat-distorsi.

Lereng distorsi tingkat yang diberikan oleh rasio adalah benar-benar menurun.

Hal ini memungkinkan masalah optimasi diselesaikan dengan sederhana melalui

seleksi pencacahan j1 <j2 <· dari himpunan poin pemotongan layak.

Pembentukan lapisan dan Representasi

JPEG2000 menawarkan resolusi dan skalabilitas kualitas melalui penggunaan

organisasi bitstream berlapis dan dua-tier coding strategi. Tingkat pertama
menghasilkan tertanam blok bit-stream sementara tingkat kedua kompres ringkasan
informasi blok.

Lapisan kualitas Q1 berisi awal byte masing-masing blok kode Bi dan lapisan

lainnya Qq berisi tambahan kontribusi dari blok kode Bi.

Kuantitas adalah titik pemotongan yang sesuai dengan ambang batas distorsi λq
yang dipilih untuk lapisan kualitas qth.
 Gambar 9.10. Tiga lapisan berkualitas dengan delapan blok masing-masing.

Daerah Tujuan Coding di JPEG2000

Tujuan:
Daerah tertentu dari gambar mungkin berisi penting informasi, sehingga harus
dikodekan dengan kualitas yang lebih baik dari pada lain.
Biasanya dilaksanakan dengan menggunakan metode MAXSHIFT yang skala up
koefisien dalam ROI sehingga mereka ditempatkan ke dalam bit-pesawat yang lebih
tinggi.
Selama proses coding tertanam, bit yang dihasilkan ditempatkan di depan non-ROI
bagian dari gambar. Sehubungan Dengan Itu, berikan bit-rate yang dikurangi, ROI
akan diterjemahkan dan sebelum sisa gambar halus. Satu hal yang perlu diperhatikan
adalah bahwa terlepas dari penskalaan, decoding penuh dari bitstream akan
menghasilkan rekonstruksi dari kabel yang akan dibongkar dengan data tertinggi yang
tersedia. Gambar 9.11 menunjukkan efek pengkodean wilayah penting sebagai bitrate
target gambar sampel meningkat.
Gambar. 9.11. Wilayah bunga (ROI) pengkodean gambar menggunakan sirkuler ROI berbentuk. (a)
0,4 bpp, (b) 0,5 bpp, (c) 0.6bpp, dan (d) 0,7 bpp.

9.2.4 Perbandingan Kinerja JPEG dan JPEG2000

Kami melakukan perbandingan untuk tiga kategori gambar: alami, yang

dihasilkan komputer, dan medis, menggunakan tiga gambar dari masing-masing
kategori. Gambar uji yang digunakan ditampilkan di situs web buku teks. Untuk setiap
gambar, kami mengkompres menggunakan JPEG dan JPEG2000, pada empat bitrate:
0,25 bpp, 0,5 bpp, 0,75 bpp, dan 1,0 bpp. Gambar 9.12 menunjukkan plot rata-rata
PSNR dari gambar dalam setiap kategori terhadap bitrate. Kami melihat bahwa
JPEG2000 secara substansial mengungguli JPEG di semua kategori. Untuk
perbandingan kualitatif dari hasil kompresi, mari kita pilih satu gambar dan tampilkan
hasil dekompresi untuk kedua algoritma menggunakan bitrate rendah (0,75 bpp) dan
bitrate terendah (0,25 bpp). Dari hasil pada Gambar 9.13, bahwa seharusnya jelas
gambar yang dikompres menggunakan JPEG2000 menunjukkan artefak visual yang
lebih sedikit.

Gambar 9.12. Perbandingan kinerja untuk JPEG dan JPEG2000 pada berbeda
jenis gambar. (a) Citra alam, (b) Citra yang dihasilkan komputer, (c) Citra Medis
Gambar. 9.13. Perbandingan JPEG dan JPEG2000. (a) Citra Asli, (b) JPEG (kiri) dan JPEG2000 (kanan) gambar
dikompresi pada 0,75 bpp. (c) JPEG (kiri) dan JPEG2000 (kanan) gambar dikompresi pada 0,25 bpp.
9.3 JPEG-LS Standard
JPEG-LS dalam standar ISO / ITU saat ini digunakan untuk lossless atau
"Nyaris tanpa kehilangan" kompresi gambar nada kontinu. Ini adalah bagian dari upaya
ISO yang lebih besar yang ditujukan untuk kompresi yang lebih baik pada gambar
medis. Menggunakan LOCO-I (LOw COmplexity LOssless Compression untuk
Gambar) algoritma yang diusulkan oleh Hewlett-Packard. Termotivasi oleh
pengamatan bahwa pengurangan kompleksitas yang seringkali lebih penting daripada
peningkatan kecil dalam kompresi ditawarkan oleh algoritma yang lebih kompleks.
Algoritma LOCO-I memanfaatkan pemodelan konteks. Gagasan pemodelan konteks
adalah untuk mengambil keuntungan dari struktur dalam sumber input - probabilitas
bersyarat ities.

c a d

b x
Gambar 9.14 JPEG-LS Context Model.

9.4 JBIG dan JBIG-2 : Bi-Level Image Comprssion Standards

Tujuan Utama: Memungkinkan penyerahan dokumen dalam bentuk
elektronik. Terutama digunakan untuk mengkode gambar yang dipindai dari cetakan
atau teks tertulis, teks yang dihasilkan komputer, dan faksimili misi.
9.4.1 The JBIG Standard
JBIG adalah standar kompresi lossless. Ini juga menawarkan kemampuan
encoding / decoding gressive, bitstream yang dihasilkan berisi serangkaian gambar
dengan resolusi yang semakin tinggi. JBIG adalah standar pengkodean yang
direkomendasikan oleh Kelompok Pemrosesan Gambar Bi-level untuk gambar biner.
Standar kompresi lossless ini digunakan terutama untuk mengkode gambar yang
dipindai dari teks yang dicetak atau tulisan tangan, teks yang dihasilkan komputer, dan
transmisi faksimili. Ini menawarkan kemampuan encoding dan decoding progresif,
dalam arti bahwa bitstream yang dihasilkan berisi serangkaian gambar resolusi yang
semakin tinggi. Standar ini juga dapat digunakan untuk kode grayscale dan warna
gambar dengan mengkodekan setiap bitplane secara independen, tetapi ini bukan
tujuan utama.
Standar kompresi JBIG memiliki tiga mode operasi yang terpisah: progresif,
sekuensial progresif-kompatibel, dan sekuensial perkembangan tunggal. Mode
sekuensial progresif kompatibel menggunakan bitstream yang kompatibel dengan
mode progresif. Satu-satunya perbedaan adalah bahwa data dibagi menjadi beberapa
strip dalam mode ini. Mode sekuensial perkembangan tunggal hanya memiliki lapisan
resolusi terendah. Oleh karena itu, seluruh gambar dapat dikodekan tanpa referensi ke
lapisan resolusi tinggi lainnya. Kedua mode ini dapat dilihat sebagai kasus khusus
mode progresif. Karena itu, diskusi kami hanya membahas mode progresif.Encoder
JBIG dapat didekomposisi menjadi dua komponen: • Resolusi-reduksi dan diferensial-
layer encoder.
Pada JBIG terdapat Encoder lapisan resolusi terendah, Dimana Gambar input
melewati urutan resolusi-pengurangan dan pembeda semua kode sandi. Masing-
masing setara dalam fungsi, kecuali bahwa gambar input mereka memiliki resolusi
yang berbeda. Beberapa implementasi standar JBIG dapat memilih untuk secara
rekursif menggunakan salah satu penyandi fisik tersebut. Gambar dengan resolusi
terendah dikodekan menggunakan encoder layer-resolusi terendah. Desain encoder ini
agak lebih sederhana daripada encoders resolusi-reduksi dan diferensial, karena operasi
resolusi-reduksi dan deterministik-prediksi tidak diperlukan.
9.4.2 The JBIG2 Standard
JBIG-2 memperkenalkan pengkodean berbasis model - mirip dengan konteks
- pengkodean berbasis. Ini mendukung kompresi lossy dengan baik. JBIG2 secara
eksplisit dirancang untuk kompresi gambar lossy, lossless, dan lossy to lossless. Tujuan
desain untuk JBIG2 bertujuan tidak hanya untuk memberikan kompresi lossless yang
unggul dimana kinerja melebihi standar yang ada tetapi juga pada memasukkan
kompresi lossy pada rasio kompresi yang jauh lebih tinggi, dengan degradasi
seminimal mungkin.
Fitur unik JBIG2 adalah kualitas progresif dan konten progresif. Dengan
kualitas yang progresif, kami maksudkan bahwa bitstream berperilaku serupa dengan
standar JBIG, di mana kualitas gambar berkembang dari kualitas yang lebih rendah ke
yang lebih tinggi (atau mungkin tanpa kerugian). Di sisi lain, konten yang progresif
memungkinkan berbagai jenis data gambar ditambahkan secara progresif. Encoder
JBIG2 menguraikan input bi-level gambar ke daerah atribut yang berbeda dan kode
masing-masing secara terpisah, menggunakan metode pengkodean yang berbeda.
Seperti pada standar kompresi gambar lainnya, hanya bitstream JBIG2, dan
dengan demikian dekoder, secara eksplisit ditentukan. Akibatnya, pembuat enkode apa
pun yang menghasilkan bitstream yang benar adalah "patuh," terlepas dari tindakan
yang sebenarnya diambil. Fitur lain dari JBIG2 yang membedakannya dari standar
kompresi gambar lainnya adalah bahwa ia dapat mewakili beberapa halaman dari
dokumen dalam arsip file, memungkinkan untuk mengeksploitasi persamaan interpage
halaman. JBIG2 menawarkan pengkodean progresif konten dan kinerja kompresi yang
unggul melalui pengkodean berbasis model, di mana model yang berbeda dibangun
untuk tipe data yang berbeda dalam suatu gambar, mewujudkan penguatan pengkodean
tambahan.
LINK YOUTUBE:
https://youtu.be/nAwF16nC7FY